编辑推荐
适读人群 ：适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。
美团科学家张锦懋作序推荐，美团技术委员会执行主席刘彭程以及美团科学家、副总裁夏华夏倾力推荐
美团AI+O2O智慧结晶，机器学习算法落地实践，内容涵盖搜索、推荐、风控、计算广告、图像处理领域
作者来源于一线资-深工程师，内容非常接地气，可指导开发一线的工程师
内容简介
人工智能技术正以一种超快的速度深刻地改变着我们的生活，引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容，全面介绍了美团在多个重要方面对机器学习的应用。
本书非常适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。
作者简介
美团算法团队由数百名优秀算法工程师组成，负责构建美团这个生活服务互联网大平台的“大脑”，涵盖搜索、推荐、广告、风控、机器学习、计算机视觉、语音、自然语言处理、智能调度、机器人和无人配送等多个技术方向，在帮助美团数亿活跃用户改善用户体验的同时，也帮助餐饮、酒店、婚庆、丽人、亲子等200多个行业的数百万商户提升运营效率。我们致力于通过算法和人工智能技术，帮大家吃得更好，活得更好。
编辑推荐
介绍并实现机器学习的主流算法
面向日常任务的高效实战内容
《机器学习实战》没有从理论角度来揭示机器学习算法背后的数学原理，而是通过“原理简述+问题实例+实际代码+运行效果”来介绍每一个算法。学习计算机的人都知道，计算机是一门实践学科，没有真正实现运行，很难真正理解算法的精髓。这本书的好处就是边学边用，非常适合于急需迈进机器学习领域的人员学习。实际上，即使对于那些对机器学习有所了解的人来说，通过代码实现也能进一步加深对机器学习算法的理解。
《机器学习实战》的代码采用Python语言编写。Python代码简单优雅、易于上手，科学计算软件包众多，已经成为不少大学和研究机构进行计算机教学和科学计算的语言。相信Python编写的机器学习代码也能让读者尽快领略到这门学科的精妙之处。
内容简介
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。
《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。
《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
作者简介
Peter Harrington，拥有电气工程学士和硕士学位，他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利，在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家，在加入该公司之前，他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。
编辑推荐
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
内容简介
本书创新性地从数学建模竞赛入手，深入浅出地讲解了人工智能领域的相关知识。本书内容基于Python 3.6，从人工智能领域的数学出发，到Python在人工智能场景下的关键模块；从网络爬虫到数据存储，再到数据分析；从机器学习到深度学习，涉及自然语言处理、机器学习、深度学习、推荐系统和知识图谱等。
此外，本书还提供了近140个代码案例和大量图表，全面系统地阐述了算法特性，个别案例算法来自于工作经验总结，力求帮助读者学以致用。
作者简介
黄海涛（笔名零壹），算法工程师，网易云课堂“零壹课堂”主创人，CSDN博客专家，2018年度博客之星。曾先后参与开发多款人工智能产品，具有丰富项目经验；精通数学建模，曾多次获得竞赛奖项。
编辑推荐
用火的Python语言、通过各种各样的机器学习算法来解决实际问题！ 书中介绍的主要问题如下。 - 探索分类分析算法并将其应用于收入等级评估问题 - 使用预测建模并将其应用到实际问题中 - 了解如何使用无监督学习来执行市场细分 - 探索数据可视化技术以多种方式与数据进行交互 - 了解如何构建推荐引擎 - 理解如何与文本数据交互并构建模型来分析它 - 使用隐马尔科夫模型来研究语音数据并识别语音
内容简介
在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极-端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。
作者简介
Prateek Joshi 人工智能专家，重点关注基于内容的分析和深度学习，曾在英伟达、微软研究院、高通公司以及硅谷的几家早期创业公司任职。个人博客地址： www.prateekj.com
机器学习实战书籍
编辑推荐
机器学习算法评估就是用科学的指标，对机器学习算法的智能性、稳定性与可靠性进行完整、可靠的评价，并给出有条理的、可解释的结论。一个优秀的算法在上线之前，一定要经过严密、周全的评估，才能应对现实业务环境的复杂情况，充分发挥令人惊叹的“人工智能之美”。
本书特色：
- 图文并茂，全彩印刷，完整而系统地介绍机器学习算法评估理论；
- 配套源码，基于业务场景评价算法上线服务的可靠性；
- 利用算法评估工具进行实践，探索机器学习算法本质。
内容简介
机器学习算法评估力求用科学的指标，对机器学习算法进行完整、可靠的评价。
本书详细介绍机器学习算法评估的理论、方法和实践。全书分为3个部分。第1部分包含第1章～第3章，针对分类算法、回归算法和聚类算法分别介绍对应的基础理论和评估方法；第2部分包含第4章～第8章，介绍更复杂的模型（如深度学习模型和集成树模型）的对比与评估，并且针对它们实际应用的业务场景介绍一些特有的评估指标和评估体系；第3部分包含第9章～第11章，总结算法评估的常用工具、技术及方法论，包括实用的可视化工具介绍，并讨论机器学习算法的本质。
本书适合机器学习专业相关从业者和算法工程师阅读，也适合想要从事人工智能和机器学习工作的人士学习和参考。
作者简介
宋亚统，美团点评配送事业部高级算法工程师，2017年获得中国科学院大学硕士学位。他目前主要负责基于位置的服务（Location-based Service，LBS）算法研发工作。他热爱人工智能并擅长写作，在职期间获得8项算法发明专利，对机器学习算法有着深入的研究和丰富的实践经验。
神经网络算法与实现
编辑推荐
神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的zui合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有“一次编写，随处运行”的可移植性。
本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 zui后，你将学习实时优化和自适应神经网络的方法。
首先，你将学习神经网络的基础知识和它们的学习过程。 然后我们关注感知机及其特征。 接下来，您将使用您学到的概念实现自组织映射。 此外，您将了解一些应用，如天气预报，疾病诊断，客户特征分析和光学字符识别（OCR）。 zui后，您将学习优化和适应实时神经网络的方法。
本书所有的示例都提供了说明性的源代码，这些源代码综合了面向对象编程（OOP）概念和神经网络特性，以帮助你更好的学习。
通过阅读本书，你讲能够：
掌握神经网络的知识及其用途；
运用常见实例开发神经网络；
探索和编码zui广泛使用的学习算法，让你的神经网络可以从大多数类型的数据中学习 知识；
发现神经网络的无监督学习过程的力量，提取隐藏在数据背后的内在知识；
应用实际示例（如天气预测和模式识别）中生成的代码；
了解如何选择zui合适的学习参数，以确保应用更高效；
选择数据集，将数据集切分为训练集、测试集和验证集，并探索验证策略；
了解如何改善和优化神经网络。
内容简介
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。
本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。
本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。
作者简介
Fábio M. Soares拥有帕拉联邦大学（Universidade Federal do Pará，UFPA）的计算机应用专业硕士学位，目前是该所大学的在读博士生。他从2004年开始就一直在设计神经网络解决方案，在电信、化学过程建模等多个领域开发了神经网络技术的应用，他的研究主题涉及数据驱动建模的监督学习。
他也是一名个体经营者，为巴西北部的一些中小型公司提供IT基础设施管理和数据库管理等服务。在过去，他曾为大公司工作，如Albras（世界上zui重要的铝冶炼厂之一）和Eletronorte（巴西的一个大型电源供应商）。他也有当讲师的经历，曾在***联邦农业大学（Federal Rural University）和卡斯塔尼亚尔的一个学院授课，两所学校都在帕拉州，所教的学科涉及编程和人工智能。
他出版了许多作品，其中许多都有英文版，所有作品都是关于针对某些问题的人工智能技术。他在众多权v会议上发表了一系列学术文章，如TMS（矿物金属和材料学会）、轻金属学会和智能数据工程、自动学习学会等学术会议。他还为Intech写过两章内容。
Alan M.F. Souza是来自***高级研究所（Instituto de Estudos Superiores da Amaz?nia，IESAM）的计算机工程师。他拥有软件项目管理的研究生学位以及帕拉联邦大学（Universidade Federal do Pará，UFPA）的工业过程（计算机应用）硕士学位。自2009年以来，他一直从事神经网络方面的工作，并从2006年开始与巴西的IT公司合作进行Java、PHP、SQL和其他编程语言的开发。他热衷于编程和计算智能。目前，他是***大学（Universidade da Amaz?nia，UNAMA）的教授和帕拉联邦大学的在读博士生。
编辑推荐
- 领导“谷歌大脑”的工程师Jeff Dean发来寄语
- 李航、余凯等人工智能领域专家倾力推荐
- 基于TensorFlow 1.1，包揽TensorFlow的新特性
- 技术内容全面，实战案例丰富，视野广阔
- 人脸识别、语音识别、图像和语音相结合等热点一应俱全
TensorFlow是深度学习的流行框架之一，极适合新手入门。谷歌公司正致力于建立一个相关软件和机器学习模型的开源生态系统，这是人工智能发展的技术风口。
本书基于TensorFlow1.1版本，深入TensorFlow基础原理、设计理念、编程模型、源码分析和模型构建、工业界应用、大规模数据训练等。全书分为基础篇、实战篇和提高篇三部分。
“基础篇”
人工智能入门，学习深度学习的方法。
TensorFlow基础原理、设计架构和编程模型。
常用API、批标准化、模型的存储与加载、队列及线程、实现一个自定义OP。
TensorBorad可视化的全面解析。
源码分析。
神经网络（CNN和RNN）的发展演化以及如何用TensorFlow实现这些网络。
第三方上层框架Keras和TFLearn的应用。
“实战篇”
用TensorFlow实现了神经网络。
用TensorFlow实现CNN、RNN、LSTM和自动编码器的各种示例。
TensorFlow在人脸识别、语音识别、智能机器人、语音和图像相结合以及生成式对抗网络（GAN）等领域的实际应用。
“提高篇”
TensorFlow的分布式原理、架构和模式。
移动端开发（Android、iOS和树莓派）。
TensorFlow的新特性，线性代数编程框架XLA、调试器Debugger、动态图Fold、生产环境Serving。
TensorFlow和Kubernetes相结合。
TensorFlowOnSpark。
硬件计算加速。
机器学习的评测体系。
本书深入浅出，理论联系实际，实战案例新颖，适合对TensorFlow感兴趣的各层次读者阅读。
内容简介
TensorFlow 是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并进行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等）并对MNIST数据集进行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。最后，附录中列出一些可供参考的公开数据集，并结合作者的项目经验介绍项目管理的一些建议。
作者简介
李嘉璇，创建TensorFlow交流社区，活跃于国内各大技术社区，知乎编程问题回答者。致力于人工智能的研究，对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验，处理图像、社交文本数据情感分析、数据挖掘经验，参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛，曾任职百度研发工程师。
编辑推荐
本书是介绍如何在产品中使用TensorFlow的实用教程。本书介绍了可以使用TensorFlow的多种情况， 并通过真实世界的项目， 向读者展示了如何使用TensorFlow。本书还讲解了在实际环境中使用TensorFlow的创新方法。
本书主要介绍第二代机器学习与数值计算，提供了训练模型、机器学习、深度学习以及使用各种神经网络的项目，以此来讲解TensorFlow的应用领域，还讨论如何使用TensorFlow计算复杂数值。
本书在教读者使用TensorFlow的同时，还展示了如何使用张量来探究各层的数据。只需选定一个跟读者环境相匹配的项目，就能学到如何在产品中应用TensorFlow的相关知识。读完本书后，读者将能通过TensorFlow有效改善项目的速度和效率。
本书包括以下内容：
● 加载、交互、剖析、处理和存储复杂数据集；
● 使用先进的技术来解决分类和回归问题；
● 使用线性回归模型预测简单时间序列的输出；
● 使用逻辑回归方法预测时间序列在未来的结果；
● 使用深度学习方法对图像进行分类；
● 标定图像集，并使用包括卷积神经网络层的深度神经网络生成绘画图像；
● 使用循环神经网络对时间信号进行预测并生成音乐。
内容简介
TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。
《TensorFlow机器学习项目实战》主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。《TensorFlow机器学习项目实战》全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。
《TensorFlow机器学习项目实战》适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C++和Python的经验，将能够更加轻松地阅读和学习本书。
作者简介
Rodolfo Bonnin是一名系统工程师，同时也是阿根廷国立理工大学的博士生。他还在德国斯图加特大学进修过并行编程和图像理解的研究生课程。
他从2005年开始研究高性能计算，并在2008年开始研究和实现卷积神经网络，编写过一个同时支持CPU和GPU的神经网络前馈部分。最近，他一直在进行使用神经网络进行欺诈模式检测的工作，目前正在使用ML技术进行信号分类。
编辑推荐
人工智能，触手可及，让数据起舞，用算法扩展业务边界 。
阿里机器学习专家力作，实战经验分享 。
这是一本难得的面向机器学习爱好者的入门级教程，本书涉及机器学习的基础理论
和深度学习等相关内容，内容深入浅出。更加难能可贵的是，本书基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案，给读者带来第一手的实战演练经验。
——阿里云资深专家 褚崴
机器学习算法正在逐渐渗透到数据化运营的各个方面，算法和业务数据相结合可以大幅度地提高业务效率、降低成本。本书以算法的业务应用作为切入点，包含大量的案例说明，非常适合读者快速入门。
——阿里云高级专家 陈鹏宇
通过阅读本书，你将了解到：
机器学习全流程的串联方式，包括数据预处理、特征工程、算法、模型评估等；
常用的机器学习算法，包括逻辑回归、随机森林、支持向量机、KMEANS、DBSCAN、K近邻、
马尔科夫决策、LDA、标签传播等；
机器学习算法在实际业务中的应用，涉及金融、医疗、新闻、电商等诸多领域；
机器学习的常用工具：R、Spark-MLib、TensorFlow、PAI等；
时下热门的技术领域：深度学习、知识图谱等。
内容简介
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。
本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。
本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。
作者简介
李博，花名“傲海”。目前任阿里云数据产品经理，主要负责机器学习平台的产品化建设以及对外业务应用。本科、硕士毕业于北京邮电大学，曾就职于索尼和华为（实习），从事数据相关产品的开发。作为CSDN博客专家、云栖社区博客专家，长期分享IT技术相关文章，内容涉及机器学习算法、Android应用及源码开发等领域。一直活跃于开发者社区，主导开发了多个GitHub百星开源项目，还开发并上线了多款手机App。作者微信公众号（长期更新机器学习业务应用文章）：凡人机器学习 个人网站：www.garvinli.com 作者邮箱：garvin.libo@gmail.com
机器学习算法竞赛实战
编辑推荐
深刻剖析Kaggle、阿里天池、腾讯广告算法大赛等算法竞赛内容，结合多个领域模块进行实战讲解；
《计算广告》作者刘鹏、《深度学习推荐系统》作者王喆等倾力推荐！
1.多年实战经验汇集
作者在众多竞赛平台多次获得好成绩，本书汇集了他们在竞赛圈多年的实战经验。
2.基本理论与竞赛技巧结合
本书系统的介绍了算法竞赛，包括算法竞赛的基本理论知识以及竞赛中的上分思路和技巧。
3.众多竞赛选手参与
结合国内多名竞赛选手建议，对本书结构进行细致编排，结合多个领域模块进行实战讲解，剖析竞赛本质的内容。
4.提供完整数据与代码
本书将会开源大量的获奖竞赛完整数据与代码，供读者快速上手掌握常见的实践方法与竞赛技巧。
内容简介
本书是算法竞赛领域一本系统介绍竞赛的图书，书中不仅包含竞赛的基本理论知识，还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。全书分为五部分：第一部分以算法竞赛的通用流程为主，介绍竞赛中各个部分的核心内容和具体工作；第二部分介绍了用户画像相关的问题；第三部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析天池平台的全球城市计算AI 挑战赛和 Kaggle 平台的Corporación Favorita Grocery Sales Forecasting；第四部分主要介绍计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价，其中两个实战案例是2018 腾讯广告算法大赛——相似人群拓展和Kaggle 平台的TalkingData AdTracking Fraud Detection Challenge；第五部分基于自然语言处理相关的内容进行讲解，其中实战案例是Kaggle 平台上的经典竞赛Quora Question Pairs。
本书适合从事机器学习、数据挖掘和人工智能相关算法岗位的人阅读。
作者简介
王贺（鱼遇雨欲语与余）
毕业于武汉大学计算机学院，硕士学位，研究方向为图数据挖掘，现任职于小米商业算法部，从事应用商店广告推荐的研究和开发。是2019年和2020年腾讯广告算法大赛的冠军，从2018年至2020年多次参加国内外算法竞赛，共获得五次冠军和五次亚军。
刘鹏
2016年本科毕业于武汉大学数学基地班，保研至中国科学技术大学自动化系，硕士期间研究方向为复杂网络与机器学习，2018年起多次获得机器学习相关竞赛奖项，2019年至今就职于华为技术有限公司，任算法工程师。
钱乾
本科就读于美国佐治亚理工大学，研究方向包括机器学习、深度学习、自然语言处理等，现就职于数程科技，工作方向为物流领域的智能算法应用，任大数据技术负责人。
编辑推荐
适读人群 ：大数据从业者 开发工程师 测试工程师 技术管理者 学术研究人员
36位来自阿里、腾讯、百度、京东、字节跳动、网易、小米、奇虎360、贝壳、顺丰等大厂工程师和技术管理者联袂推荐。
通俗易懂，精选23个大数据测试要点，从零入手，多角度讲解大数据测试。
内容丰富，涵盖4大技术主题，大数据开发、大数据测试、数据质量与数据治理。
场景典型，深度剖析3个主流数据应用场景，BI报表、风控模型和数据分析平台的技术原理、工程架构，并输出了全链路的质量保障方案。
内容简介
本书全面系统地介绍了大数据的测试技术与质量体系建设。本书共11章，第1～4章涵盖认识大数据，大数据技术生态，数据仓库的设计与构建，以及大数据项目开发流程；第5～7章讲解大数据测试方法、大数据测试实践和数据质量管理；第8～10章介绍大数据测试平台实践、数据治理平台建设，以及DataOps的理念与实践；第11章提供大数据测试学习路线。附录列出了大数据技术经典面试题。
本书适合想要了解大数据技术的读者，以及想要学习和掌握大数据测试与大数据开发的从业者。通过阅读本书，测试工程师可以系统地学习大数据技术基础、大数据开发和大数据测试等知识；大数据开发工程师可以借鉴大数据质量保障的方法，拓宽数据工程实践的思路；技术专家和技术管理者可以了解大数据质量保障体系、数据治理建设和DataOps实践等内容。
作者简介
艾辉，中国人民大学概率论与数理统计专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360技术总监，主要负责AI风控产品、用户产品和基础架构的质量保障工作。曾在阿里本地生活担任高级技术经理，负责用户产品、新零售产品的质量保障工作。拥有9年多的测试开发工作经验，曾多次受邀在行业技术大会（如MTSC、GITC、Top100、TiD、A2M和TICA等）上做主题分享。对大数据、机器学习测试技术有深刻理解，并长期专注于质量保障与工程效能领域。
陈高飞，东北大学计算机技术专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360测试开发工程师，主要从事机器学习方向的测试开发工作。擅长白盒测试、大数据测试和模型测试，在工具平台开发方面有丰富的实践经验。
郝嵘，北京信息科技大学自动化专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360高级测试开发工程师，主要负责大数据方向的测试开发工作。擅长Python开发、大数据测试和机器学习测试，主导了多个工具平台的开发，在大数据质量保障方面有丰富的实践经验。
雷天鸣，哈尔滨理工大学计算机科学与技术专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360测试开发工程师，主要从事机器学习方向的测试开发工作。擅长大数据测试、特征测试和模型算法评测等，对金融风控业务有深刻理解。
李曼曼，融360高级测试开发工程师，《机器学习测试入门与实践》作者之一。拥有近11年的测试开发工作经验，主导了多个工具平台的开发和大型项目的测试工作。擅长白盒测试、性能测试、自动化测试、持续集成和工程效能，在大数据和特征模型测试方面有丰富的实践经验。
马绵，陕西科技大学网络工程专业学士，融360测试开发工程师。目前主要从事服务端测试开发工作，擅长自动化测试、安全测试，在服务稳定性保障方面有丰富的实践经验。
孙冰妍，东北大学通信与信息系统专业硕士，融360测试开发工程师。目前主要从事服务端测试开发工作，擅长白盒测试、自动化测试、性能测试、安全测试和持续集成。参与了多个工具平台的开发，并主导了多个大型项目的测试工作。对大数据测试技术有深刻理解。
孙金娟，山西财经大学计算机科学与技术专业学士，《机器学习测试入门与实践》作者之一。目前，担任融360测试开发工程师，有近9年的Java开发、测试开发工作经验。擅长大数据测试和工具平台开发，对机器学习、特征模型测试有深刻理解。
张咪，北京交通大学通信与信息系统专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360测试经理，主要负责用户产品的质量保障工作，曾负责基础架构、SRE（Site Reliability Engineering，网站可靠性工程）等方面的测试开发工作。在自动化测试、服务稳定性、专项测试和工程效能等方面有丰富的实践经验，曾受邀在行业技术大会（如MTSC、A2M等）做主题分享。对大数据、机器学习测试有深刻的理解，并在这些领域拥有丰富的实践经验。
张朋周，中国地质大学计算机科学与技术专业硕士，《机器学习测试入门与实践》作者之一。目前，担任融360高级测试开发工程师，曾在百度从事搜索业务测试开发，有近9年的开发测试工作经验。目前，主要负责机器学习方向的测试开发工作，主导了多个工具平台的开发，在数据质量保障、模型评估平台方面有丰富的实践经验。
机器学习测试入门与实践编辑推荐
适读人群 ：对于工程开发和测试工程师，通过阅读本书可以体系化地了解大数据测试、特征测试及模型评估等知识； 对于有算法数据背景的工程师，通过阅读本书可以学习和拓宽模型评测的方法手段、模型工程实践的思路； 对于技术专家、技术管理者，通过阅读本书可以收获机器学习质量保障与工程效率的建设思路。
不同于市面上的机器学习书籍，本书是业界首部AI测试著作，填补了机器学习测试领域的空白。
本书由知名技术专家艾辉领衔融360AI测试团队12位一线工程师联手倾心打造，耗时一年多时间。
1）精选15个AI测试要点，从零开始，全面了解机器学习测试。
2）涵盖5个技术主题，大数据、模型算法、模型评测、工程架构、智能化测试。
3）BAT等数十家一线互联网公司的32位知名专家联袂推荐。
本书内容设计深入浅出，学习路线清晰，帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。
内容简介
本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。第一部分（第1～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（第14章和第15章）探讨了AI（Artificial Intelligence）在测试领域的实践及AI时代测试工程师的未来。
本书能够帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。工程开发人员和测试工程师通过阅读本书，可以系统化地了解大数据测试、特征测试及模型评估等知识；算法工程师通过阅读本书，可以学习模型评测的方法和拓宽模型工程实践的思路；技术专家和技术管理者通过阅读本书，可以了解机器学习质量保障与工程效能的建设方案。
作者简介
艾辉，中国人民大学统计学院硕士，融 360 高 级技术经理。主要负责机器学习产品的质量保障工作，曾在饿了么公司担任高 级技术经理，负责用户产品、新零售产品的质量保障工作。有 8 年多的测试开发工作经验，曾多次受邀在行业技术大会（ 如 MTSC、GITC、NCTS、TiD、A2M 等）上做主题分享。对大数据、机器学习测试技术有深刻的理解，并长期专注于质量保障与工程效能研究。
陈高飞，东北大学计算机硕士，融 360 测试开发工程师。主要从事机器学习方面的测试开发工作。擅长白盒测试、大数据测试和模型测试，在工具平台开发方面有丰富的实践经验。
陈花，北京邮电大学信息通信工程学院硕士，融 360 高 级测试开发工程师。主要从事服务器端测试开发工作，主导过多个大型项目的测试。擅长白盒测试、安全测试、自动化测试及工具开发。
方娟红，东北大学计算机硕士，融 360 测试开发工程师。主要从事服务器端测试开发工作。在企业级应用的测试和开发方面有着丰富的实践经验。
郭学敏，西安电子科技大学电子工程学院硕士，融 360 测试开发工程师。主要负责机器学习方面的测试开发工作，主导过多个大型项目的测试。擅长大数据测试、特征分析与模型评估，且在特征工程测试方面有着丰富的实践经验。
郝嵘，北京信息科技大学自动化学院硕士，融 360 测试开发工程师。从事 Python 开发、机器学习测试、大数据测试工作多年，在大数据的质量保障及测试工具开发方面有着丰富的实践经验。
雷天鸣，哈尔滨理工大学计算机科学与技术系硕士，融 360 测试开发工程师。主要从事机器学习方向的测试开发工作。擅长大数据测试、特征测试及模型算法评测等，且对金融风控业务有深刻的理解。
李曼曼，融 360 高级测试开发工程师。有近 10 年测试领域从业经验， 擅长白盒测试、性能测试、自动化测试、持续集成及工程效能。在 AI 测试方面有一定的探索实践。
李雪，西安电子科技大学通信工程硕士，融 360 测试开发工程师。主要从事平台及机器学习方面的测试开发工作。擅长自动化测试、性能测试及安全测试，且对特征测试分析有着丰富的实践经验。
孙金娟，山西财经大学计算机科学与技术专业学士，融 360 测试开发工程师。有近 8 年 Java 开发、测试开发工作经验，擅长大数据测试及工具平台开发。
张海霞，中国人民大学统计学院硕士，融 360 高级测试开发工程师。有近 7 年测试领域从业经验，擅长白盒测试、性能测试及自动化测试。在测试平台开发方面有着丰富的实践经验，且对数据挖掘技术有扎实的实践积累。
张咪，北京交通大学通信学院硕士，融 360 高级测试开发工程师。主要负责用户产品的质量保障工作。曾负责基础架构、运维自动化等方面的测试、开发工作。在自动化测试、服务稳定性、专项测试、工程效能等方面有着丰富的实践经验，且对机器学习工程技术有深刻的理解。
张朋周，中国地质大学计算机硕士，融 360 高级测试开发工程师。曾在RAISECOM 和百度从事测试开发工作，有近 8 年的测试工作经验。目前主要负责机器学习方面的测试开发工作，主导了多个工具平台的开发，在模型评估平台方面有着丰富的实践经验。
机器学习实战书籍神经网络算法与实现
编辑推荐
神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的zui合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有“一次编写，随处运行”的可移植性。
本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 zui后，你将学习实时优化和自适应神经网络的方法。
首先，你将学习神经网络的基础知识和它们的学习过程。 然后我们关注感知机及其特征。 接下来，您将使用您学到的概念实现自组织映射。 此外，您将了解一些应用，如天气预报，疾病诊断，客户特征分析和光学字符识别（OCR）。 zui后，您将学习优化和适应实时神经网络的方法。
本书所有的示例都提供了说明性的源代码，这些源代码综合了面向对象编程（OOP）概念和神经网络特性，以帮助你更好的学习。
通过阅读本书，你讲能够：
掌握神经网络的知识及其用途；
运用常见实例开发神经网络；
探索和编码zui广泛使用的学习算法，让你的神经网络可以从大多数类型的数据中学习 知识；
发现神经网络的无监督学习过程的力量，提取隐藏在数据背后的内在知识；
应用实际示例（如天气预测和模式识别）中生成的代码；
了解如何选择zui合适的学习参数，以确保应用更高效；
选择数据集，将数据集切分为训练集、测试集和验证集，并探索验证策略；
了解如何改善和优化神经网络。
内容简介
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。
本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。
本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。
作者简介
Fábio M. Soares拥有帕拉联邦大学（Universidade Federal do Pará，UFPA）的计算机应用专业硕士学位，目前是该所大学的在读博士生。他从2004年开始就一直在设计神经网络解决方案，在电信、化学过程建模等多个领域开发了神经网络技术的应用，他的研究主题涉及数据驱动建模的监督学习。
他也是一名个体经营者，为巴西北部的一些中小型公司提供IT基础设施管理和数据库管理等服务。在过去，他曾为大公司工作，如Albras（世界上zui重要的铝冶炼厂之一）和Eletronorte（巴西的一个大型电源供应商）。他也有当讲师的经历，曾在***联邦农业大学（Federal Rural University）和卡斯塔尼亚尔的一个学院授课，两所学校都在帕拉州，所教的学科涉及编程和人工智能。
他出版了许多作品，其中许多都有英文版，所有作品都是关于针对某些问题的人工智能技术。他在众多权v会议上发表了一系列学术文章，如TMS（矿物金属和材料学会）、轻金属学会和智能数据工程、自动学习学会等学术会议。他还为Intech写过两章内容。
Alan M.F. Souza是来自***高级研究所（Instituto de Estudos Superiores da Amaz?nia，IESAM）的计算机工程师。他拥有软件项目管理的研究生学位以及帕拉联邦大学（Universidade Federal do Pará，UFPA）的工业过程（计算机应用）硕士学位。自2009年以来，他一直从事神经网络方面的工作，并从2006年开始与巴西的IT公司合作进行Java、PHP、SQL和其他编程语言的开发。他热衷于编程和计算智能。目前，他是***大学（Universidade da Amaz?nia，UNAMA）的教授和帕拉联邦大学的在读博士生。
编辑推荐
1.作者最近几年与多家企业合作，开展了多项机器学习数据分析的项目，熟悉机器学习的基本原理，并对 TI One、Spark MLlib、TensorFlow 等主流的机器学习工具的安装、配置以及使用过程中的问题比较熟悉，积累了一些详细的分析案例，可以支撑《机器学习实验案例分析》的内容。
2.通过《机器学习实验案例分析》的学习，学生不仅可以模仿实验指导书重复基于 TI One、、Spark MLlib、TensorFlow 的实际数据分析应用，也很容易与一反三，对新问题设计合理的分析思路。
3.作者是国内早期研究商务智能的学者之一（2001 年起），在国内也是较早开设商务智能等数据分析课程（2003 年起），有一定的影响力。商务智能被评为上海市精品课程，获得 2013年高等教育上海市教学成果奖二等奖。
4.通过精心选择数据和应用问题，并设计项目的实验指导书，突出数据分析过程中常遇到的问题，使得学生根据这些材料不仅能消化理解TI One、Spark MLlib、TensorFlow 等主流机器学习平台的原理，还能针对实际问题设计针对可视化分析、机器学习等分析程序，具有较强的实战性。
内容简介
机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要特点；然后结合Tableau介绍了数据可视化在银行客户用卡行为分析的应用。在此基础上，利用上述介绍的这些平台，通过多个项目案例，详细地分析了决策树、随机森林、支持向量机、逻辑回归、贝叶斯网络、卷积神经网络、循环神经网络、对抗生成网络等机器学习算法在金融、商业、汽车、电力等领域的应用。
本书内容深入浅出，提供了详细的 Python 代码，既可以作为从事机器学习、数据挖掘的相关研究人员的参考书，也可以作为高校相关专业机器学习、数据挖掘等课程的实验和实训教材。
作者简介
复旦大学计算机科学技术学院副教授，博士。主要研究方向为商务数据分析和大数据分析。2015年度上海市科技进步二等奖获得者。主持的“商务智能”课程被评为上海市精品课程，并获得2013年度上海市高等教育教学成果二等奖。主持完成国家自然科学基金、上海市浦江人才及企业合作课题等20多个项目。在国内外期刊和相关学术会议发表论文90多篇。出版多本教材和专著
编辑推荐
适读人群 ：人脸图像处理入门人员、人脸识别入门人员、计算机视觉研究人员、机器学习和深度学习爱好者、相关培训机构的学员和高校学生
资深AI图像处理工程师力作。
腾讯PCG光影研究室技术负责人傅斌推荐。
全彩色印刷。
详解60多个新颖、独特、紧跟时代热点的人脸图像处理算法实战案例，复现抖音、天天P图、美颜相机、淘宝等多个App中的热门人脸图像特效算法设计。
重图文并茂，生动有趣，用简单易懂的方式，带领读者入门AI人脸图像算法设计；
基于人脸图像应用的算法设计，梳理计算机视觉技术的发展脉络；
《人脸识别与美颜算法实战》精华内容：
抖音中的深度学习图像处理
天天P图深度学习图像处理
美颜相机中的深度学习图像处理
淘宝中的深度学习图像处理技术
人脸磨皮算法
人脸美白算法
人脸图像祛痘算法
机器学习之训练人脸分类器
深度学习之人脸识别
手写体识别项目
抖音中的视频抖动效果算法设计
抖音中的视频闪白效果算法设计
抖音中的视频霓虹效果算法设计
抖音中的视频时光倒流效果算法设计
抖音中的视频反复效果算法设计
抖音中的视频慢动作效果算法设计
抖音中的视频Black Magic效果算法设计
抖音哈哈镜效果算法设计
图像老照片风格滤镜算法设计
图像素描风格滤镜算法设计
图像油画风格滤镜算法设计
图像马赛克效果算法设计
打造专属于自己的肖像漫画
超值赠送：
源代码（需要下载）
内容简介
《人脸识别与美颜算法实战：基于Python、机器学习与深度学习》 是一本新手入门人工智能图像处理技术的基础图书，其主旨是带领读者从零开始学习人脸识别与美颜算法的相关知识。书中介绍了Python图像处理的相关知识以及机器学习和深度学习理论及其在人脸识别与美颜领域中的应用。书中秉承知识点结合案例的方式讲解，穿插了60多个行业案例和代码进行实战，以降低读者的学习难度。
《人脸识别与美颜算法实战：基于Python、机器学习与深度学习》 共9章，前5章着重介绍了基本的Python编程和视频图像处理技术，包括基于Anaconda和PyCharm的环境搭建、各种数据处理的相关包（NumPy、Matplotlib等），还复现了抖音中各种视频特效的算法设计；后4章介绍了机器学习和深度学习在人脸图像处理领域中的算法与实战案例，包括基于分类器和卷积神经网络的经典应用、算法模型设计，以及目前主流的视频媒体中人脸美颜、虚拟试妆等算法的设计和复现。
《人脸识别与美颜算法实战：基于Python、机器学习与深度学习》 内容丰富，实例典型，实用性强，尤其适合熟悉Python但不熟悉框架而又想要了解和学习机器学习及深度学习在人脸图像处理应用中的初学者阅读，同时也适合有一定基础的程序员作为工具书和参考书使用。
作者简介
方圆圆 获中国科学院大学硕士学位。现任中国科学院浙江数字内容研究院人工智能教育实验室主任、中日人工智能协会执行会长。曾任唯品会硅谷研发中心、联想研究院图像算法专家。计算机视觉领域9年开发经验。曾经参与组织世界人工智能大赛等国际赛事，主导《机器学习基础与应用案例》《深度学习应用案例》《医学人工智能案例集》等课程的教案编写。
Python编程从数据分析到机器学习实践
编辑推荐
机器语言众多，为什么学Python?
Python是人工智能和机器学习的编程语言:
- 拥有众多出色的第三方库，与操作系统完美集成。
- 提供社区支持，增加了其在数据科学和科学计算中的应用。
- 是一门理想的集成语言、“胶水”语言,将各种技术绑定在一起。
- 代码简洁，容易阅读和学习,准入门槛低。
- 是高级的脚本语言，更适合AI和机器学习。
- 是功能强大的解释型编程语言，高效率的高层数据结构，能够简单而有效地实现面向对象编程。
- 良好的可视化选项，提供了一些很好的可视化工具。
- 受欢迎的直接原因是，其Numpy和Scipy库能够支持Scikit-Learn这样的项目，这几乎是目前解决机器学习问题所需的标准配置。
《Python编程从数据分析到机器学习实践（微课视频版）》是继《Python编程从零基础到项目实战（微课视频版）》之后的Python编程进阶图书，主要介绍其功能强大且应用广泛的第三方数据库知识，包括Jupyter Notebook、Numpy、Matplotlib、Scipy、Pandas、Scikit-learn等。这些库广泛应用于数据分析、科学计算与机器学习领域，学好本书帮读者跨入数据分析和人工智能的大门。本书突出了实战要求和趣味性，为每一章提供了丰富有趣的实践内容，包含了文字处理、图像识别、音频编辑、数据分析及预测等实际案例。同时，本书也是一本视频教程，配备了608分钟的微视频讲解、提供完整的源代码及PPT课件下载，方便读者学习。
内容简介
《Python编程从数据分析到机器学习实践（微课视频版）》是一本基于Python语言进行数据分析和机器学习的入门与应用类图书，也是一本兼顾实战要求的视频教程。具体内容包括：Jupyter Notebook应用，Numpy科学计算、矩阵、线性代数和高级技术，Matplotlib基础知识和高级应用，Scipy基础知识和高级应用，Pandas基础知识、数据处理和基于时间应用，Scikit-learn基础知识与应用等。本书突出了代码编写的实战要求，为每一章提供了生动有趣的实践内容，包含了文字处理、图像识别、音频编辑、数据分析及预测等实际案例。本书的编写基于Python3.7版本。另外，本书配备了608分钟的微视频讲解、提供完整的源代码及PPT课件下载。具体下载方法见“前言”中的相关介绍。
《Python编程从数据分析到机器学习实践（微课视频版）》适合具有Python编程基础的IT编程工程师、计算机相关专业的学生、专业科学研究人员、数据工程师、高校老师等使用。本书可作为高校、相关培训机构的教材使用。
作者简介
刘瑜，具有20多年C、ASP、Basic、Foxbase、Delphi、Java、C#、Python等编程经验，专著有《战神——软件项目管理深度实战》《NoSQL数据库入门与实践》，高级信息系统项目管理师、软件工程硕士、CIO、硕士企业导师。
编辑推荐
全面系统地讲述了深度学习、机器学习的主要算法，包括有监督学习，无监督学习，强化学习的54种算法。对算法的思想，推导与证明，实现要点有清晰透彻的阐述 对机器学习、深度学习算法在计算机视觉，自然语言处理，语音识别等领域的应用有详细的介绍 配有20个实验程序，包含18份源代码，帮助读者正确的掌握算法与开源库的使用 配有25个讲解视频，对复杂、难以理解的知识点有清晰透彻的讲解
内容简介
机器学习是当前解决很多人工智能问题的核心技术，自2012年以来，深度学习的出现带来了人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材，紧密结合工程实践与应用，系统、深入地讲述机器学习与深度学习的主流方法与理论。全书由23章组成，共分为三大部分。第1～3章为第一部分，介绍机器学习的基本原理、所需的数学知识（包括微积分、线性代数、*优化方法和概率论），以及机器学习中的核心概念。第4～22章为第二部分，是本书的主体，介绍各种常用的有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法。对于每种算法，从原理与推导、工程实现和应用3个方面进行介绍，对于大多数算法，都配有实验程序。第23章为第三部分，介绍机器学习和深度学习算法实际应用时面临的问题，并给出典型的解决方案。
本书理论推导与证明详细、深入，结构清晰，详细地讲述主要算法的原理与细节，让读者不仅知其然，还知其所以然，真正理解算法、学会使用算法。对于计算机、人工智能及相关专业的本科生和研究生，这是一本适合入门与系统学习的教材；对于从事人工智能和机器学习产品研发的工程技术人员，本书也具有很强的参考价值。
作者简介
雷明，致力于研发机器学习与深度学习、计算机视觉框架，SIGAI创始人。2009年毕业于清华大学计算机系，获硕士学位，研究方向为机器学习、计算机视觉，发表论文数篇。曾就职于百度公司，任高级软件工程师和项目经理；zmodo/meshare，任CTO与平台研发中心负责人。在机器学习、计算机视觉方向有丰富的学术研究与产品研发经验。
编辑推荐
资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，为你深度实践TensorFlow提供翔实指导。
内容简介
本书由资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带你由浅入深系统掌握TensorFlow机器学习算法及其实现。
全书共11章，第1章介绍TensorFlow的基本概念；第2章介绍如何在计算图中连接算法组件，创建一个简单的分类器；第3章重点介绍如何使用TensorFlow实现各种线性回归算法；第4章介绍支持向量机（SVM）算法；第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法；第6章讲述如何使用TensorFlow实现神经网络算法；第7章阐述TensorFlow实现的各种文本处理算法。第8章扩展神经网络算法；第9，解释在TensorFlow中如何实现递归神经网络（RNN）算法；第10章介绍TensorFlow产品级用例和tips；第11章展示TensorFlow如何实现k-means算法、遗传算法和解决常微分方程（ODE）等。
作者简介
Nick McClure 资深数据科学家，目前就职于美国西雅图PayScale公司。曾经在凯撒娱乐集团工作。他在蒙大拿大学和圣本尼迪克与圣约翰大学学院的应用数学专业获得学位。他热衷于数据分析、机器学习和人工智能。Nick有时会把想法写成博客(http://fromdata.org/）或者推特（@nfmcclure）。
编辑推荐
Python开发人员入门自然语言处理必备
现代自然语言处理领域从业者的实用参考指南
小米AI实验室NLP团队献译
1.本书是构建能够阅读和解释人类语言的机器的实用指南；
2.读者可以使用现有的Python 包来捕获文本的含义并相应地做出响应；
3.本书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题；
4.提供源代码。
深度学习领域的**进展使各类应用能够极其精准地理解文本和语音。其结果是，聊天机器人能够模仿真人筛选出与职位高度匹配的简历，完成卓越的预测性搜索，自动生成文档摘要——所有这些都能够以很低的成本实现。新技术的发展连同Keras 和TensorFlow之类的易用工具的出现，使专业品质的自然语言处理（NLP）比以往任何时候都更容易实现。
本书主要内容
● Keras、TensorFlow、gensim和 scikit-learn等工具的使用。
● 基于规则的自然语言处理和基于数据的自然语言处理。
● 可扩展的自然语言处理流水线。
阅读本书，读者需要对深度学习的知识有基本的了解，并具有中等水平的Python 编程技能。
内容简介
本书是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：第一部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。
本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。
作者简介
霍布森.莱恩（Hobson Lane）拥有20年构建自主系统的经验，这些系统能够代表人类做出重要决策。Hobson在Talentpair训练机器完成简历的阅读和理解，以减少招聘者产生的偏见。在Aira，他帮助构建了第一个聊天机器人，为视障人士描述视觉世界。他是Keras、scikit-learn、PyBrain、PUGNLP和ChatterBot等开源项目的积极贡献者。他目前正在从事完全公益的开放科学研究和教育项目，包括构建一个开放源码的认知助手。他在AIAA、PyCon、PAIS和IEEE上发表了多篇论文和演讲，并获得了机器人和自动化领域的多项专利。
科尔.霍华德（Cole Howard）是一位机器学习工程师、NLP实践者和作家。他一生都在寻找模式，并在人工神经网络的世界里找到了自己真正的家。他开发了大型电子商务推荐引擎和面向超维机器智能系统（深度学习神经网络）的最先进的神经网络，这些系统在Kaggle竞赛中名列前茅。他曾在Open Source Bridge和Hack University 大会上发表演讲，介绍卷积神经网络、循环神经网络及其在自然语言处理中的作用。
汉纳斯.马克斯.哈普克（Hannes Max Hapke）是从一位电气工程师转行成为机器学习工程师的。他在高中研究如何在微控制器上计算神经网络时，对神经网络产生了浓厚的兴趣。Hannes喜欢自动化软件开发和机器学习流水线。他与合作者共同开发了面向招聘、能源和医疗应用的深度学习模型和机器学习流水线。Hannes在包括OSCON、Open Source Bridge和Hack University在内的各种会议上发表演讲介绍机器学习。
译者简介
史亮 小米NLP高级软件工程师，本科毕业于武汉大学，后保送中科院计算所硕博连读，获得博士学位。目前主要负责小米MiNLP平台的研发工作。
鲁骁 小米NLP高级软件工程师，本科、硕士毕业于华中科技大学，博士毕业于中科院计算所。目前主要从事大规模文本分类、内容过滤、人机对话等方向的研发工作。
唐可欣 小米NLP软件工程师，本科毕业于西安电子科技大学，硕士毕业于法国巴黎高科电信学院。主要从事语言模型、意图分析、情感分析等方向的研发工作。
王斌 小米AI实验室主任、NLP首席科学家，前中科院博导、研究员，中国科学院大学教授。译有《信息检索导论》《大数据：互联网大规模数据挖掘与分布式处理》《机器学习实战》等书籍。
编辑推荐
适读人群 ：本书非常适合对图像算法，尤其是图像特效、人脸美化感兴趣的初学者，或者想从事相关工作但又缺少经验的人员，抑或是图像美化相关领域的设计师等。
从Photoshop到“美图秀秀”，从“化妆师”到“美妆相机”，从卡片机拍照到如今的智能AI美颜相机，人像美颜美妆算法已经成为移动端图像和视频处理的核心竞争点。
美颜美妆算法行业，也成了图像处理和计算机视觉方面一个众人追捧的职业方向。
然而，如何快速进入这个行业，以及需要掌握哪些算法知识与该怎么学等，这些问题正在困扰着无数的初学者。
这本书应运而生……
1.本书由业内专家贾志刚、周平、姜霄棠联袂力荐。
2 本书作者多年专注于图像滤镜、人像美颜美妆、动漫手绘等相关图像特效算法的研究，曾负责多款亿级用户量App的图像算法研发工作，在人像美化特效方面有着深厚的积累和经验。
3 本书系统、全面地介绍了与图像视频滤镜和人像美颜美妆特效相关的算法基础知识与方法思路，涵盖了市面上流行的美颜美妆App的特效功能，包括传统方法和基于深度学习的AI滤镜和美颜算法。
内容简介
本书主要介绍了与图像视频滤镜和人像美颜美妆特效相关的算法基础知识与方法思路。从多年前的Photoshop到今天的手机拍照App，以及功能强大的智能图像处理软件的普及程度可以看出，滤镜、美颜和美妆已是照片/视频美化操作不可或缺的部分。本书从传统方法开始，系统地讲述了调色、滤波、变形等图像算法，并以此为基础讲解了各种图像滤镜、人像美颜美妆特效的算法思路与代码实现，最后扩展到基于深度学习的AI滤镜及美颜算法。全书条理清晰，由简到难，通俗易懂。
本书非常适合对图像算法，尤其是图像特效、人脸美化感兴趣的初学者，或者想从事相关工作但又缺少经验的人员，抑或是图像美化相关领域的设计师等。
作者简介
胡耀武，CSDN博客专家，2012年硕士毕业于浙江理工大学信号与信息系统专业。先后供职于杭州虹软科技有限公司、杭州九言科技有限公司、杭州趣维科技有限公司等上市公司和独角兽互联网公司，现为杭州趣维科技有限公司（小影App）资深视觉图像算法工程师。多年来专注于图像滤镜、人像美颜美妆、动漫手绘等相关图像特效算法的研究，曾负责多款亿级用户量App的图像算法研发工作，拥有数十个算法专利申请，在人像美化特效方面有着深厚的积累和经验。
编辑推荐
适读人群 ：1、机器学习、深度学习从业者； 2、机器学习或者深度学习算法工程师； 3、从初级到高级的各级学生、教师、研究人员； 4、其他对机器学习和Scikit-Learn、Keras、TensorFlow感兴趣的人员
点击查看*版
1）“美亚”人工智能图书畅销榜首图书，基于TensorFlow 2和Scikit-Learn的新版本全面升级；
2）Keras之父和TensorFlow移动端负责人鼎力推荐；
3）从实践出发，通过具体的示例、较少的理论和可用于生产环境的Python框架来帮助你直观地理解并掌握构建智能系统所需要的概念和工具；
4）实用性强。没有太多复杂的数学公式推导，每章都附有练习题和代码，可以帮助你应用所学的知识。
作者简介
[法] 奥雷利安·杰龙（Aurélien Géron）著：随着一系列的突破，深度学习点燃了整个机器学习领域。 现在，即使是对这项技术毫无基础的程序员，也可以使用简单高效的工具来实现“可以自动从数据中学习”的程序。本书将展示如何做到这一点。
通过具体的例子、非常少的理论和两个产品级的Python框架——Scikit-learn 和 TensorFlow 。作者帮助你很直观地理解并掌握构建智能系统的概念和工具。你将学习一系列技术，从简单的线性回归开始到深度神经网络等。每章都有习题来帮助你应用学到的知识，你所需要的只是一点编程经验，仅此而已。
- 探索机器学习的全景图，特别是神经网络。
- 使用Scikit-Learn来端到端地建立一个机器学习项目的示例。
- 探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法。
- 使用TensorFlow库建立和训练神经网络。
- 深入神经网络架构，包括卷积网络、递归网络和深度强化学习。
- 学习训练和伸缩深度神经网络的技巧。
- 应用可以工作的代码示例，而无须过多的机器学习理论或算法细节。
本书是关于使用神经网络来解决问题的理论和实践的一本优秀导论。它涵盖了你建立高效应用的关键点，以及足够的背景知识以应对新研究的出现。 我推荐这本书给有兴趣学习用机器学习来解决实际问题的人。
- Pete Warden
- TensorFlow移动端负责人
Aurelien Geron是机器学习方面的顾问。他是Google的前员工，在2013年到2016年领导过YouTube视频分类团队。2002年至2012年，他还是Wifirst公司的创始人和首席技术官，在2001年，他是Ployconseil公司的创始人和首席技术官。
内容简介
本书分为两部分。*部分，机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分，神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。*部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。
编辑推荐
- 选用难以预测的股市数据，易获取、可信赖、有难度。
- 利用数学理论，创建预测模型、处理数据、训练预测股价、解析训练结果、揭示改进方法，体验机器学习全过程。
- 通过源代码和函数讲解，介绍机器学习基本概念，为读者进一步了解机器学习绘制“理论路线图”。
内容简介
本书介绍了机器学习必要的统计与概率方面的数学理论，以及适用机器学习的领域相关的领域知识，同时收录了实现代码。利用机器学习编写程序时，机器学习算法所占的比重并不大，重要的是理解数据并掌握特性。在此过程中，如果具备统计与概率相关的数学知识和机器学习应用领域的专业知识，则能大大节约时间，并简化问题。经过这些过程的机器学习才能获得良好的应用效果。
作者简介
安明浩
韩国科学技术院软件硕士课程结业。起初研究云技术，之后转向机器学习。目前正在努力通过机器学习制作“鸬鹚”无人机，盼望以此实现经济自由。
MATLAB智能算法30个案例分析目录
第1章谢菲尔德大学的MATLAB遗传算法工具箱1．1理论基础1．1．1遗传算法概述1．1．2 谢菲尔德遗传算法工具箱1．2案例背景1．2．1 问题描述1．2．2解题思路及步骤1．3 MATLAB程序实现1．3．1工具箱结构1．3．2 遗传算法常用函数1．3．3遗传算法工具箱应用举例1．4延伸阅读参考文献
第2章基于遗传算法和非线性规划的函数寻优算法2．1理论基础2．1．1非线性规划2．1．2 非线性规划函数2．1．3遗传算法基本思想2。1．4算法结合思想2．2案例背景2．2．1 问题描述2．2．2 算法流程2．2．3遗传算法实现2．3 MATLAB程序实现2．3．1适应度函数2．3．2选择操作2．3．3交叉操作2．3．4变异操作2．3．5算法主函数2．3．6非线性寻优2．3．7结果分析2．4延伸阅读2．4．1其他函数的优化2．4．2其他优化算法参考文献
第3章基于遗传算法的BP神经网络优化算法3．1理论基础3．1．1 BP神经网络概述3．1．2遗传算法的基本要素3．2案例背景3．2．1 问题描述3．2．2解题思路及步骤3．3 MATLAB程序实现3．3．1 神经网络算法3．3．2 遗传算法主函数3．3．3 比较使用遗传算法前后的差别3．3．4结果分析3．4延伸阅读参考文献
第4章基于遗传算法的TSP算法4．1理论基础4．2案例背景4．2．1 问题描述4．2．2解决思路及步骤4．3 MATLAB程序实现4．3．1种群初始化4．3．2适应度函数4．3．3选择操作4．3．4 交叉操作4．3．5变异操作4．3．6进化逆转操作4．3．7 画路线轨迹图4．3．8遗传算法主函数4．3．9结果分析4．4延伸阅读4．4．1 应用扩展4．4．2 遗传算法的改进4．4．3算法的局限性参考文献
第5章基于遗传算法的LQR控制器优化设计5．1理论基础5．1．1 LQR控制5．1．2 基于遗传算法设计LQR控制器5．2案例背景5．2．1 问题描述5．2．2解题思路及步骤……第6章遗传算法工具箱详解及应用第7章多种群遗传算法的函数化算法第8章基于量子遗传算法的函数寻优算法第9章基于遗传算法的多目标优化算法第10章基于粒子群处落地的多目标搜索算法第11章基于多层编码遗传算法的车间调度算法第12章免疫优化算法在物流配送中心选址中的应用第13章粒子群算法的寻优算法……
Python机器学习实战：真实智能案例实践指南编辑推荐
适读人群 ：本书适合人工智能、机器学习、深度学习相关行业的从业者和学习者阅读。
编辑推荐
● AI核心知识+多行业实战案例详解
● 涵盖零售、运输、电影、音乐、市场营销、计算机视觉和金融等实战案例，掌握开发核心技能
帮你掌握利用机器学习与深度学习识别和解决复杂问题所需的技能，深入讲解Python机器学习生态系统的实战案例，本书是你学习并成为AI行业成功从业者的完美指南。
第1步着重理解机器学习的概念和工具。
第2步详细介绍标准的机器学习流程，重点是数据处理分析、特征工程和建模等核心知识。
第3步深入讲解涉及不同领域和行业的多个实战案例，包括零售、运输、电影、音乐、市场营销、计算机视觉和金融等领域实战案例。
你将掌握：
● 学会执行端到端机器学习项目和系统。
● 学会使用行业标准化、开源、强大的机器学习工具和框架进行实战。
● 学会深入案例研究，剖析机器学习和深度学习在不同领域和行业中的实战应用。
● 学会使用广泛的机器学习模型，包括回归、分类和聚类等。
内容简介
本书帮你掌握通过机器学习和深度学习来识别和解决复杂问题所需的基本技能。本书使用了流行的 Python机器学习生态系统中的真实示例，将成为你在学习机器学习的艺术和科学并成为一名成功的从业者道路上的完美伴侣。本书中使用的概念、技术、工具、框架和方法将教会你如何成功思考、设计、构建和执行机器学习系统和项目，并利用这些知识解决一些来自不同领域的实际问题，包括零售、运输、电影、音乐、计算机视觉、艺术和金融。本书将教会你解决自己遇到的机器学习问题！
本书适合人工智能、机器学习、深度学习相关行业的从业者和学习者阅读。
作者简介
关于作者
Dipanjan Sarkar
英特尔公司的数据科学家，班加罗尔国际信息技术学院的信息技术硕士，主要负责数据科学研究与分析、商业智能、实际项目和大型智能系统构建等研究、开发工作。他多年来从事分析工作，擅长统计、预测和文本分析，对数据科学和教育充满热情，也是Springboard教育平台的数据科学导师，帮助从业者提高数据科学和机器学习等领域的技能。他还撰写了多本关于R、Python、机器学习和数据分析的著作。此外，他还是相关书籍的技术审校者，并担任Coursera的课程测试员。此外他还热衷于研究新技术、金融市场、颠覆性初创企业、数据科学、人工智能和深度学习。
Raghav Bali
英特尔公司的数据科学家，班加罗尔国际信息技术学院的信息技术硕士，致力于推动主动的、数据驱动的IT项目。他主要从事数据科学与分析、商业智能以及基于机器学习的可扩展解决方案开发等工作，还曾在一些全球领先的企业中从事过ERP和财务项目开发等工作。他也是一位技术爱好者，喜欢研究新工具和技术。他还著有关于R、机器学习和数据分析的著作。
Tushar Sharma
英特尔公司的数据科学家，班加罗尔国际信息技术学院的信息技术硕士。他的工作涉及使用大量基础结构数据进行大规模开发分析的解决方案。他曾在金融领域工作，为知名金融公司开发可扩展的机器学习解决方案。他精通Python、R，以及Spark和Hadoop等大数据框架。他还著有关于R和社交媒体分析的著作。
出版社： 清华大学出版社 ISBN：9787302541899
Python机器学习及实践：从零开始通往Kaggle竞赛之路编辑推荐
《Python机器学习及实践：从零开始通往Kaggle竞赛之路》帮助对机器学习、数据挖掘感兴趣的读者整合时下流行的基于Python语言的程序库。如Scikit-learn，Pandas NLTK，Gensim XGBoost，TensorFlow等，并且针对现实中遇到的数据，甚至是Kaggle竞赛中的分析任务，快速搭建有效的机器学习系统。
同时，作者尽力减少读者为了理解本书，而对编程技能、数学背景的过分依赖，进而降低机器学习模型的实践门槛，让更多的兴趣爱好者体会到使用经典模型以及新的高效方法解决实际问题的乐趣。
内容简介
《Python机器学习及实践：从零开始通往Kaggle竞赛之路》面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下流行的机器学习、数据挖掘与自然语言处理工具，如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。
《Python机器学习及实践：从零开始通往Kaggle竞赛之路》共分4章。第1章简介篇，介绍机器学习概念与Python编程知识；第2章基础篇，讲述如何使用Scikit-learn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型和技巧，完成三项具有代表性的竞赛任务。
作者简介
范淼，清华大学计算机系人工智能研究所博士，研究方向涉及机器学习与自然语言处理技术。2015年3月受国家留学基金委公派至美国纽约大学计算机系联合培养。攻读博士期间，于所在研究领域内多个重要国际会议与期刊上发表论文近20篇。先后在Hulu、MSRA（微软亚洲研究院）、百度自然语言处理部、Bosch（博世）北美硅谷研究院等多个公司的研发部门实习，并承担机器学习与自然语言处理相关的研究任务。
李超， 工学博士，清华大学副研究员，信息技术研究院Web 与软件技术研究中心副主任。中国计算机学会信息存储技术专委会委员、中国计算机学会高级会员、全国文献影像技术标准化技术委员会（SAC/TC86/SC6）委员、IEEE 会员。研究领域包括海量数据存储、组织与管理、分析，及其在数字图书馆/档案馆/教育/医疗/金融等领域的应用。主持及参与多项国家973、863、科技支撑、自然基金等纵向项目及横向合作项目。已发表学术论文50 余篇、获得授权发明专利10 余项。
Python机器学习实践指南编辑推荐
机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。
Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。
Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。
通过阅读Python机器学习实践指南 ，你将能：
·了解Python机器学习的生态系统；
·了解如何执行线性回归；
·机器视觉概念的介绍；
·高级数据可视化技术；
·如何使用第三方API，部署机器学习模型；
·时间序列的建模技术；
·如何构建无监督模型。
内容简介
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到**。
全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。
作者简介
Alexander T. Combs 是一位经验丰富的数据科学家、策略师和开发人员。他有金融数据抽取、自然语言处理和生成，以及定量和统计建模的背景。他目前是纽约沉浸式数据科学项目的一名全职zi深讲师。
编辑推荐
适读人群 ：本书可以作为对 SLAM 感兴趣的研究人员的入门自学材料，也可以作为 SLAM 相关的高校本科生或研究生课程教材使用。
高博个性签名限量！SLAM华语原创首著升级版！彩色插图|更多实例|更深内容|更完善的工程项目|更易懂的表达。余凯谭平等业内大咖力荐！
√ SLAM华语原创首著升级版
√ 彩色插图|更多实例|更深内容|更完善的工程项目|更易懂的表达
内容简介
本书系统介绍了视觉 SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，我们还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。本书可以作为对 SLAM 感兴趣的研究人员的入门自学材料，也可以作为 SLAM 相关的高校本科生或研究生课程教材使用。
作者简介
高翔，清华大学自动化系博士，慕尼黑工业大学博士后。研究兴趣主要为计算机视觉、定位与建图、机器学习等，主要著、译作包括《视觉SLAM十四讲：从理论到实践》、《机器人学中的状态估计》，在RAS、Auto Robotics、IROS等期刊会议上发表论文，现从事自动驾驶车辆研发工作。
内容简介
本书内容丰富，阐述清晰详尽，文图结合紧密，可读性好，实用性强，主要介绍了人脸识别中的一些算法与案例，主要包括素描人脸识别与人脸合成的研究与应用、传统特征提取算法在素描人脸识别中的应用、深度学习在素描人脸识别上的研究与应用、传统素描人脸合成方法、基于生成对抗网络的素描人脸合成方法、人脸超分辨率重建方法等内容。本书可作为研究人脸识别技术的参考用书，也可以作为高等院校相关专业的本科生和研究生参考书，还可供人脸识别技术领域工作的工程技术人员阅读。
作者简介
曹林，博士，教授，现任北京信息科技大学信息与通信工程学院院长，光电测试技术及仪器教育部重点实验室副主任，中国电子教育学会研究生教育分会理事，北京信息科技大学勤信学者，信息与通信工程一级学科硕士点负责人。他先后主持国家自然科学基金面上项目、国防军工和横向等课题，近年来，作为项目骨干完成国家科技重大专项专题3项（排名第2、第3和第4），累计承担科研项目到款约1800多万元。研究方向：空间信息智能感知与计算、图像理解与识别和雷达信号处理。近年来发表学术论文40余篇，出版学术著作4部，教材1部，获北京市科学技术奖和中国智能交通协会科学技术奖等3项科技奖励（排名第2），产生良好的经济和社会效益，授权发明专利6项，计算机软件著作权35项，其指导的研究生获2016年度“中国图象图形学报”优秀论文奖。
机器学习实战书籍
MATLAB机器学习：人工智能工程实践编辑推荐
适读人群 ：具有MATLAB使用基础的大专院校工程专业学生、研究者和从业工程师
1、本书提供所有示例的源代码下载（关注“华章计算机”公号回复“MATLAB”获取），读者可在MATLAB中文社区论坛：http://www.ilovematlab.cn/forum-265-1.html 与译者互动交流。
2、由浅入深，不常接触数学理论的读者也可以轻松理解书中内容，书中分析了包括自动驾驶、飞机智能控制等工程应用问题并给出解决方案，该书的写作得到MathWorks公司官方图书计划的支持并收录其中；
3、在上一版的基础上，进一步增加了对神经网络和深度学习的原理介绍及其工程应用的实践。
4、帮你学习机器学习在工程方面的应用，在真实场景中，将算法应用于工程实践。
内容简介
本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。
本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。
机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。
本书主要内容：
l 如何使用MATLAB构建机器学习应用
l 适用于机器学习的MATLAB可视化技术
l 面向工程的机器学习应用案例
作者简介
迈克尔·帕拉斯泽克
普林斯顿卫星系统公司（PSS）总裁，为美国宇航局和军方提供航空航天咨询服务和MATLAB航天器控制工具箱。他在航空航天领域具有20多年的工作经历，之前作为GE公司宇航部门专家曾参与多个美国航空航天项目。他拥有麻省理工学院电气工程学士学位、航空航天学硕士学位，曾发表了很多论文，拥有十多项美国专利。他是Apress出版社出版的《MATLAB与机器学习》的合著者。
斯蒂芬妮·托马斯
普林斯顿卫星系统公司副总裁。她拥有麻省理工学院航空航天学士学位和硕士学位。她一直从事航空航天项目分析和咨询工作，曾参与了普林斯顿卫星系统公司公司MATLAB航天器控制工具箱研发项目。她曾因“核聚动力冥王星轨道探测和登陆器”入选美国太空总署创新资助项目，被任命为美国太空总署NIAC研究员。她也是Apress出版的《MATLAB与机器学习》的合著者。
◆ 译者简介 ◆
陈建平
MathWorks公司中国区的技术咨询专家，专注于工程大数据分析和高性能计算领域，拥有北京大学学士和硕士学位。加入MathWorks后，专注于通信系统和工程数据分析；深入探索工程数据在大数据领域的应用。他拥有十余年数值算法设计、实现，以及对大规模工程数据分析和建模经验；尤其对MATLAB与不同编程语言，以及Hadoop和Spark等大数据架构的结合有较为深入的研究。
AI源码解读：机器学习案例（Python版）内容简介
《AI源码解读：机器学习案例（Python版）（人工智能科学与技术丛书）》以人工智能发展为时代背景，通过20个应用机器学习模型和算法的实际案例，为工程技术人员提供较为详细的实战方案，以便深入学习。
在编排方式上，全书侧重对创新项目的过程进行介绍，分别从整体设计、系统流程和实现模块等角度论述数据处理、模型训练和模型应用，并剖析模块的功能、使用和程序代码。为便于读者高效学习、快速掌握人工智能开发方法，该书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等资源，可供读者举一反三、二次开发。
《AI源码解读：机器学习案例（Python版）（人工智能科学与技术丛书）》结合系统设计、代码实现以及运行结果展示进行讲解，语言简洁，深入浅出，通俗易懂，不仅适合作为对Python编程感兴趣的科研人员、人工智能爱好者及从事智能应用创新开发专业人员的参考教材，也可作为高等院校相关专业的参考书。
作者简介
李永华 北京邮电大学，教授，拥有超过10年的软硬件开发经验，长期致力于物联网、云计算与人工智能的研究工作。在教学中以兴趣为导向，激发学生的创造性；以素质为基础，提高自身教学水平；以科研为手段，促进教学理念的转变，在教学与科研实践中指导学生实现300余个创新案例。主持30余项国j级与企事业单位课题的研究工作，在国内外学术期刊及会议发表论文100余篇，申请专利50余项，出版图书20余部。
内容简介
本书是资深金融数据分析专家多年工作的结晶。书中深入浅出地阐释机器学习的数学基础及其在金融数据分析领域的应用。
全书共分9章。第1章介绍机器学习的发展状况并概述机器学习在金融中的应用。第2章介绍监督学习的通用框架。第3章描述最简单的线性回归模型——普通最小二乘法以及正则化方法——岭回归和套索回归，并讨论线性模型及非线性的回归和分类方法。第4章讨论监督学习中的树模型，包括决策树、随机森林和梯度提升树。第5章重点介绍三种主要的神经网络：人工神经网络、卷积神经网络和循环神经网络。第6章和第7章介绍无监督学习，主要包括聚类分析和主成分分析。第8章重点介绍强化学习在投资组合优化中的应用。第9章以一个流行的数据挑战项目为例，使用前几章介绍的机器学习方法预测金融违约风险，为读者提供解决实际数据问题的经验。
本书内容丰富，理论严谨，案例翔实，不仅包括完整的理论推导，而且囊括可用于实际项目的案例代码，适合高等院校计算机及相关专业的高年级本科生或者研究生阅读，也可以作为机器学习爱好者及金融分析师等的参考用书。
作者简介
倪好，伦敦大学学院数学系副教授。研究方向包括随机分析、金融数学、机器学习和应用等。希望通过分享个人研究成果与经验心得，为对机器学习感兴趣的读者提供严谨简捷的入门，并且侧重于对计量金融方面的应用。
于光希，伦敦大学学院金融数学硕士，专注机器学习在金融中的应用，现任申万宏源证券研究所量化分析师。
郑劲松，德国杜伊斯堡埃森大学经济学博士，有多年量化风险分析与金融建模相关的海外工作经验，现任华泰证券算法工程师。
董欣，伦敦帝国理工学院金融数学博士，专注金融衍生品做市研究，现任城堡证券研究量化分析师。
机器学习：原理、算法与应用编辑推荐
全面系统地讲述了深度学习、机器学习的主要算法，包括有监督学习，无监督学习，强化学习的54种算法。对算法的思想，推导与证明，实现要点有清晰透彻的阐述 对机器学习、深度学习算法在计算机视觉，自然语言处理，语音识别等领域的应用有详细的介绍 配有20个实验程序，包含18份源代码，帮助读者正确的掌握算法与开源库的使用 配有25个讲解视频，对复杂、难以理解的知识点有清晰透彻的讲解
内容简介
机器学习是当前解决很多人工智能问题的核心技术，自2012年以来，深度学习的出现带来了人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材，紧密结合工程实践与应用，系统、深入地讲述机器学习与深度学习的主流方法与理论。全书由23章组成，共分为三大部分。第1～3章为第一部分，介绍机器学习的基本原理、所需的数学知识（包括微积分、线性代数、*优化方法和概率论），以及机器学习中的核心概念。第4～22章为第二部分，是本书的主体，介绍各种常用的有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法。对于每种算法，从原理与推导、工程实现和应用3个方面进行介绍，对于大多数算法，都配有实验程序。第23章为第三部分，介绍机器学习和深度学习算法实际应用时面临的问题，并给出典型的解决方案。
本书理论推导与证明详细、深入，结构清晰，详细地讲述主要算法的原理与细节，让读者不仅知其然，还知其所以然，真正理解算法、学会使用算法。对于计算机、人工智能及相关专业的本科生和研究生，这是一本适合入门与系统学习的教材；对于从事人工智能和机器学习产品研发的工程技术人员，本书也具有很强的参考价值。
作者简介
雷明，致力于研发机器学习与深度学习、计算机视觉框架，SIGAI创始人。2009年毕业于清华大学计算机系，获硕士学位，研究方向为机器学习、计算机视觉，发表论文数篇。曾就职于百度公司，任高级软件工程师和项目经理；zmodo/meshare，任CTO与平台研发中心负责人。在机器学习、计算机视觉方向有丰富的学术研究与产品研发经验。
内容简介
本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科最常用的算法。**特色在于力图以生动的语言、较多的插图与大量的实例来直观地解释机器学习的原理。同时，结合流行的Python语言，及时地介绍相应的软件操作与经典案例，为读者提供“一站式”服务。本书还提供详尽的数学推导，尽量避免跳跃，并辅以直观的文字解释。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，让读者渐入佳境。
本书适合普通高等学校经济管理类以及理工类等的高年级本科生和研究生使用。先修课包括微积分、线性代数与概率统计，但不要求有编程或Python语言经验。本书将从零开始，让读者快速体会到R语言的美妙与威力。
内容简介
本书主要介绍经典的机器学习算法的原理及改进，以及MATLAB的实例实现。本书内容分为三部分。第一部分(第1章)是机器学习概念篇，介绍机器学习的相关概念，并且对机器学习的各类算法进行分类，以便读者对机器学习的知识框架有一个整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法。第二部分(第2章、第3章)是MATLAB机器学习基础篇，介绍MATLAB的基本使用方法，以及MATLAB集成的机器学习工具箱。MATLAB易上手的特点让使用者将更多的精力专注于算法开发与使用，而不是搭建算法实现开发平台。第三部分(第4章~第19章)是机器学习算法与MATLAB实践篇，对监督学习、无/非监督学习、强化学习三大类常用算法进行逐个讲解，包括机器学习算法原理、算法优缺点、算法的实例解释以及MATLAB的实践应用。
本书适合以下读者： 对人工智能、机器学习感兴趣的读者； 希望用机器学习完成设计的计算机或电子信息专业学生； 准备开设机器学习、深度学习实践课的授课老师； 学习过C语言，且希望进一步提升编程水平的开发者； 刚从事机器学习、语音、机器视觉、智能机器人研发的算法工程师。
编辑推荐
适读人群 ：既可作为研究生从事分布式机器学习方向研究的参考文献，也可以作为人工智能从业者进行算法选择和系统设计的工具书。
【免费视频课文稿】刘铁岩博士谈机器学习发展，搭配图书学习效果更佳！
获取方式：
1、微信关注“华章计算机”
2、在后台回复关键词：分布式机器学习
全面展示分布式机器学习理论、方法与实践
微软亚洲研究院机器学习核心团队潜心力作
鄂维南院士、周志华教授倾心撰写推荐序
内容前沿全面，讨论系统深刻，全彩印刷
内容简介
本书旨在全面介绍分布式机器学习的现状，深入分析其中的核心技术问题，并且讨论该领域未来的发展方向。
全书共12章。第1章是绪论，向大家展示分布式机器学习这个领域的全景。第2章介绍机器学习的基础知识。第3章到第8章是本书的核心部分，向大家细致地讲解分布式机器学习的框架及其各个功能模块。其中第3章给出整个分布式机器学习框架的综述，而第4章到第8章则分别针对其中的数据与模型划分模块、单机优化模块、通信模块、数据与模型聚合模块加以介绍。接下来的三章是对前面内容的总结与升华。其中第9章介绍由分布式机器学习框架中不同选项所组合出来的各式各样的分布式机器学习算法，第10章讨论这些算法的理论性质，第11章则介绍几个主流的分布式机器学习系统（包括Spark MLlib 迭代式MapReduce系统，Multiverso参数服务器系统，TensorFlow数据流系统）。最后的第12章是全书的结语，在对全书内容进行简要总结之后，着重讨论分布式机器学习这个领域未来的发展方向。
本书基于微软亚洲研究院机器学习研究团队多年的研究成果和实践经验写成，既可以作为研究生从事分布式机器学习方向研究的参考文献，也可以作为人工智能从业者进行算法选择和系统设计的工具书。
人工智能大潮中，市场上已有许多机器学习书籍，但是分布式机器学习的专门书籍还很少见。本书是希望学习和了解分布式机器学习的读者的福音。
作者简介
刘铁岩，微软亚洲研究院副院长。刘博士的先锋性研究促进了机器学习与信息检索之间的融合，被国际学术界公认为“排序学习”领域的代表人物。近年来在深度学习、分布式学习、强化学习等方面也颇有建树，发表论文200余篇，被引用近两万次。多次获得*佳论文奖、*高引用论文奖、Springer十大畅销华人作者、Elsevier *高引中国学者等。被聘为卡内基-梅隆大学（CMU）客座教授，诺丁汉大学荣誉教授，中国科技大学教授、博士生导师；被评为国际电子电气工程师学会（IEEE）会士，国际计算机学会（ACM）杰出会员。
陈薇，微软亚洲研究院机器学习组主管研究员，研究机器学习各个分支的理论解释和算法改进，尤其关注深度学习、分布式机器学习、强化学习、博弈机器学习、排序学习等。2011年于中国科学院数学与系统科学研究院获得博士学位，同年加入微软亚洲研究院，负责机器学习理论项目，先后在NIPS、ICML、AAAI、IJCAI等相关领域顶*国际会议和期刊上发表文章30余篇。
王太峰，蚂蚁金服人工智能部总监、资深算法专家。在蚂蚁金服负责AI算法组件建设，算法工作服务于蚂蚁金服的支付、国际、保险等多条业务线。在加入蚂蚁之前在微软亚洲研究院工作11年，任主管研究员，他的研究方向包括大规模机器学习、数据挖掘、计算广告学等。在国际顶*的机器学习会议上发表近20篇的论文，在大规模机器学习工具开源方面也做出过很多贡献，在微软期间主持开发过DMTK的开源项目。
高飞，微软亚洲研究院副研究员，主要从事分布式机器学习和深度学习的研究工作，并在国际会议上发表多篇论文。2014年设计开发了当时规模*大的主题模型算法和系统LightLDA。他还开发了一系列分布式机器学习系统，并通过微软分布式机器学习工具包（DMTK）开源在GitHub上。
深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台编辑推荐
适读人群 ：人工智能领域的所有技术工程师，尤其是机器学习方向的技术工程师
（1）作者是资深的AI专家，在机器学习、AutoML、联邦学习、大数据、云计算等领域发表国际论文30余篇，发明专利200余项。
（2）作者是大型金融集团科技公司深度学习平台和AutoML平台负责人，美国佛罗里达大学人工智能博士后，中国人工智能开源软件发展联盟副理事长。
（3）本书得到了腾讯、阿里、字节跳动、微众银行、浙江大学、新智元等企业界、学术界、媒体界的8位资深专家联袂推荐。
（4）从基础理论、核心原理、前沿算法等多个维度全面解读AutoML、AutoDL和元学习。
免费直播课：
王健宗博士亲授——“AutoML与AutoDL入门”，与图书搭配学习效果更佳！
回放&文稿获取方式：
1.微信关注“华章计算机”（微信号：hzbook_jsj）
2.在后台回复关键词：AutoML
内容简介
这是一部从基础理论、核心原理、前沿算法等多个维度系统、全面讲解AutoML、AutoDL、AutoNAS和元学习的著作。
作者是资深的人工智能专家，大型金融集团科技公司深度学习平台和AutoML平台负责人。本书得到了IEEE Fellow/ACM杰出科学家/香港科技大学教授杨强教授、腾讯AI Lab副主任俞栋、美国佛罗里达大学教授李晓林等8位来自企业界、学术界和媒体界的资深专家的一致好评。它既能让新人理清AutoML的脉络，快速上手机器学习，又能让有经验的读者全面掌握AutoML的知识体系，工作变得更高效。
全书共14章，逻辑上分为四部分：
第一部分（第1~2章） 人工智能基础
对人工智能、自动化人工智能的重要概念、发展历程及现状、适用场景、主要的工具和技术等做了全面的介绍，并引出了人工智能技术未来的发展方向——AutoML，这部分是阅读本书的基础。
第二部分（第3~6章） AutoML
主要讲解机器学习和自动化机器学习，核心是AutoML，包含自动化特征工程、自动化模型选择和自动化超参优化3个方面的内容。
第三部分（第7~13章） AutoDL
主要讲解深度学习和自动化深度学习，重点讲解了AutoDL的原理、基于强化学习的AutoDL、基于进化算法的AutoDL、AtuoDL的高阶知识、自动化模型压缩与加速，以及各种核心算法和前沿算法。
第四部分（第14章） 元学习
元学习是人工智能的理想目标，这部分对元学习的概念、流程和各种主流的学习方法都进行了详尽的介绍。
免费直播课：
王健宗博士亲授——“AutoML与AutoDL入门”，与图书搭配学习效果更佳！
回放&文稿获取方式：
1.微信关注“华章计算机”（微信号：hzbook_jsj）
2.在后台回复关键词：AutoML
作者简介
王健宗
大型金融集团科技公司深度学习平台和AutoML平台负责人，中国人工智能开源软件发展联盟副理事长，美国佛罗里达大学人工智能博士后，曾任美国莱斯大学电子与计算机工程系研究员，专注于联邦学习和人工智能在金融、保险、投资、银行和医疗等领域的研发工作，发表联邦学习、深度学习、云计算和大数据等领域国际论文30余篇，以及发明专利200余项。多届国内知名大数据、人工智能、金融科技和联邦学习会议/论坛主席和出品人。
瞿晓阳
华中科技大学计算机系统结构博士，美国中佛罗里达大学访问学者，大型金融集团科技公司资深算法工程师，一直从事机器学习、大数据、体系结构方面的研究工作，在AutoML平台、面向AI的云原生架构、高性能计算、高效能存储系统等方面经验丰富。近几年，在国际会议和期刊发表过多篇文章，担任过多个国际期刊的评委。
机器学习入门：基于数学原理的Python实战编辑推荐
1.与周志华编写的《机器学习》相比，本书多了对算法的数学原理详细严谨的推导。
2.与李锐翻译的《机器学习实战》相比，本书多了用面向对象思想将算法模块化，并且书中代码在Python 3 环境下运行。
3.为了照顾初学者，本书补充了全书涉及的高等数学、线性代数、概率论与数理统计、Jessen不等式等数学基础知识。
内容简介
机器学习是一门涉及高等数学、线性代数、概率论、统计学和运筹学等领域的交叉学科。机器学习的基础就是数学，这也就要求学习者要有良好的数学基础。为了降低机器学习的学习门槛，本书深入浅出地对机器学习算法的数学原理进行了严谨的推导；并利用Python 3对各种机器学习算法进行复现，还利用介绍的算法在相应数据集上进行实战。本书主要内容包括机器学习及其数学基础；线性回归、局部加权线性回归两种回归算法；Logistic回归、Softmax回归和BP神经网络3种分类算法；模型评估与优化；K-Means聚类算法、高斯混合模型两种聚类算法和一种降维算法——主成分分析。
《机器学习入门：基于数学原理的Python实战》理论性与实用性兼备，既可作为初学者的入门书籍，也可作为求职者的面试宝典，更可作为职场人士转岗的实用手册。本书适合需要全面学习机器学习算法的初学者、希望掌握机器学习算法数学理论的程序员、想转行从事机器学习算法的专业人员、对机器学习算法兴趣浓厚的人员、专业培训机构学员和希望提高Python编程水平的程序员。
作者简介
戴璞微，中国民航大学硕士，CSDN博客专家。曾获得全国大学生数学竞赛国家一等奖、北美数学建模二等奖，参与国家自然科学基金项目1项。对计算机视觉、机器学习和深度学习有深入研究。
潘斌，浙江大学应用数学系博士，现任辽宁石油化工大学理学院副院长。2018年入选辽宁省“兴辽英才计划”青年拔尖人才，2016年主持国家自然科学基金青年基金项目1项；2015年主持辽宁省自然科学基金项目1项；2016年主持浙江大学CAD&CG国家重点实验室开放课题2项。近年来，指导本科生获全国大学生数学建模竞赛国家一等奖。
编辑推荐
适读人群 ：本书基本聚焦于机器学习在计算机视觉领域的应用，既可以作为相关专业学生的教材，也可以作为研究人员或工程技术人员的参考资料。
OpenCV（Open Source Computer Vision）是计算机视觉领域最重要的开源函数库，其中不仅包括了众多图像处理和视频分析算法，还包含了经典机器学习算法和深度学习算法库。这些机器学习算法在计算机视觉的图像分类、目标检测、目标跟踪和光学字符检测识别等任务中扮演了关键角色。本书特色如下：
1.注重理论结合实战。力求在理论与实战之间寻找更好的平衡点，为读者拉近机器学习算法原理与C++编程实战之间的距离。通过原理分析与示例代码，提升读者基于C++语言的机器学习算法编程实战能力。
2.兼顾经典与前沿算法。包含新版OpenCV 4的机器学习与深度学习模块内容。不仅有经典的“开箱即用”算法：K均值、K近邻、决策树、随机森林、Boosting、支持向量机和神经网络，还重点介绍了深度神经网络算法的基本原理及其在机器视觉领域的实战应用。
3.应用案例翔实。本书共介绍了7种经典机器学习算法，给出了聚类、分类、回归等任务共30个应用示例代码。在深度学习算法中，通过图像分类、目标检测、实例分割、目标跟踪、场景文本检测和场景文本识别等不同类型的任务，介绍了GoogLeNet、YOLOv4、Mask R-CNN、GOTURN、DB、CRNN等模型部署方法，其中不乏近年出现的高性能模型。
4.学习路线清晰。本书先讲解OpenCV的基础知识与基本图像操作，再讲解机器学习基础知识，最后逐个介绍算法的原理与应用。学习路线清晰，知识点覆盖全面，对重点内容讲解细致。
内容简介
本书主要面向OpenCV领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章， 第1~3章， 介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识；第48章，介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战；第910章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供了不同深度学习模型的部署示例代码。
本书基本聚焦于机器学习在计算机视觉领域的应用，不要求读者具有相应的知识背景，在必要时书中会介绍相关的基本概念。因此，本书既可以作为相关专业学生的实验教材，也可以作为研究人员或工程技术人员的参考资料。
作者简介
朱斌，博士，国防科技大学副教授。长期从事计算机视觉与机器学习领域的教学与科研工作，主要研究方向为成像侦察与信息处理。主持国家自然科学基金、省自然科学基金各1项，主持或参与其他科研项目多项，其中，2项科研成果列装，并获军队科技进步二等奖2项，授权国家发明专利10余项。
编辑推荐
1.形象直白阐述机器学习算法原理
2.细致讲解关键数学原理
3.代码分段解读，帮助读者上手实操
4.编程实践案例经典实用
内容简介
零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助读者回顾本书内容，进一步巩固所学知识。
《机器学习的数学原理和算法实践》适合对机器学习感兴趣但数学基础比较薄弱的读者学习，也适合作为相关专业的学生入门机器学习的参考用书。
作者简介
大威，本名张威，西安交通大学工科试验班（工管贯通班）硕士毕业，信息系统项目管理师（高级资质）、高级经济师、中国计算机学会会员、中国通信学会会员。拥有多年数据建模、数据挖掘与商业咨询经验，现就职于某行业领先的大数据公司，负责大数据产品及人工智能产品的规划设计管理工作。
编辑推荐
零基础学机器学习与量化策略、详解多个行业中的大数据分析技术，全面揭秘机器学习在商业中的应用实战，详细金融数据风控、股票量化交易、商品智能推荐、用户情感分析等大数据分析技术
内容简介
大数据分析与机器学习技术已成为各行各业实现数字化变革的关键驱动力。本书以功能强大且较易上手的Python语言为编程环境，全面讲解了大数据分析与机器学习技术的商业应用实战。
全书共16章，讲解了线性回归模型、逻辑回归模型、决策树模型、朴素贝叶斯模型、K近邻算法模型、随机森林模型、AdaBoost与GBDT模型、XGBoost与LightGBM模型、PCA（主成分分析）模型、聚类与分群模型（KMeans与DBSCAN算法）、协同过滤算法模型、Apriori关联分析模型、神经网络模型等十余种机器学习模型的原理和代码实现，每种模型都配有一到两个典型案例，涵盖金融、营销、医疗、社会科学、企业办公与管理等多个领域。
本书适合具备一定数学知识和编程基础、希望快速在工作中应用大数据分析与机器学习技术的读者阅读，也适合Python编程爱好者或对大数据分析与机器学习技术感兴趣的读者参考。
机器学习实战书籍 机器学习流水线实战编辑推荐
1.本书从各个环节细致的介绍了如何构建完整的机器学习流水线，以及如何用TensorFlow轻松实现自动化机器学习；
2.本书概述了搭建机器学习流水线所需的组件，介绍了TFX的新特性和组件，且提供了实用的代码示例；
3.本书受到了谷歌TensorFlow开发者大使Robert Crowe、帕特森咨询公司CEO Josh Patterson等人联合推荐；
4.本书适合机器学习工程师、算法工程师及数据项目负责人等相关开发人员阅读学习，主要可学习到以下内容：
●了解机器学习流水线的构建步骤
●使用TensorFlow Extended（TFX）构建机器学习流水线
●使用Beam、Airflow、Kubeflow Pipelines编排流水线
●数据校验和数据预处理
●使用TensorFlow的模型分析工具
●检查模型的公平性
●使用TensorFlow Serving和TensorFlow Lite部署模型
●了解差分隐私、联邦学习和加密机器学习等隐私保护方法
内容简介
本书介绍如何构建完整的机器学习流水线，从而在生产环境中准备数据以及训练、验证、部署和管理机器学习模型。你将了解机器学习流水线的每个环节，以及如何利用TensorFlow Extended（TFX）构建机器学习流水线。模型的生命周期是一个闭环，其中包括数据读取、数据校验、数据预处理、模型训练、模型分析、模型验证、模型部署、模型反馈等环节。你将学习如何利用Beam、Airflow、Kubeflow、TensorFlow Serving等工具将每一个环节的工作自动化。学完本书，你将不再止步于训练单个模型，而是能够从更高的角度将模型产品化，从而为公司创造更大的价值。
作者简介
汉内斯·哈普克（Hannes Hapke），数据科学家，善于解决各行各业的机器学习问题，与他人合著有《自然语言处理实战》。
凯瑟琳·纳尔逊（Catherine Nelson），数据科学家，牛津大学硕士，长期为企业提供机器学习解决方案。
【译者介绍】
孔晓泉，谷歌认证机器学习专业人士，TensorFlow Addons的Codeowner之一，上海TensorFlow User Group核心组织者，多年来一直在世界500强公司带领团队构建机器学习应用和平台。另外，他还作为技术审稿人参与了TensorFlow文档的本地化工作。
郑炜，明尼苏达大学双子城分校机械工程硕士，伊利诺伊大学香槟分校机械工程学士，谷歌认证机器学习专业人士，ABB电气事业部中国技术中心算法项目经理、算法工程师，参与算法开发和算法工作流搭建等工作。
江骏，蚂蚁集团技专业人士（花名“有练”）、谷歌认证机器学习专业人士、蚂蚁云原生机器学习平台技术负责人，专注于AI基础架构和训练框架优化。
Python机器学习实战编辑推荐
1.在讲解算法的原理和用 scikit-learn 库封装好的方法实现算法之前，先通过几个例子，教会你具体的计算方法，让你手动实现算法；
2.书中代码比较连贯，可直接粘贴到Jupyter Notebook中运行，这一点对初学者非常有帮助；
3.书中示例浅显易懂，涵盖多种应用场景：新闻话题分类、垃圾邮件过滤、在线广告点击率预测和股票价格预测等，讲解方式生动有趣；
4.提供源代码。
本书开篇介绍Python语言和机器学习开发环境的搭建方法。后续章节介绍相关的重要概念，比如数据分析、数据预处理、特征抽取、数据可视化、聚类、分类、回归和模型性能度量等。本书包含多个项目案例，涉及几种重要且有趣的机器学习算法，引导读者从头实现自己的模型。学完本书，你将了解机器学习生态系统的全貌，并掌握机器学习技术的实践和应用。
在本书的帮助下，你将学会用强大却很简单的Python语言来处理数据科学难题，并构建自己的解决方案。
本书包括以下内容：
·利用Python语言抽取数据、处理数据和探索数据；
·用Python对多维数据进行可视化，并抽取有用特征；
·深入钻研数据分析技术，正确预测发展趋势；
·用Python从头实现机器学习分类算法和回归算法；
·用雅虎财经数据来分析和预测股价；
·评估并优化机器学习模型的性能；
·用机器学习和Python解决实际问题。
内容简介
机器学习是近年来比较热门的一个领域，Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python语言两个热门的领域，通过实用案例来详细讲解机器学习的相关知识，以便更好地引起读者的阅读兴趣且帮助读者理解相关内容。
全书共有8章。第1章讲解了Python和机器学习的基础知识，第2～7章通过多个案例详细讲解了文本分析算法、朴素贝叶斯、支持向量机、对率回归及回归算法等知识，案例主要包括探索新闻组数据集、检测垃圾邮件、微新闻话题分类、预测点击率以及预测股价等。第8章是最佳实践，主要介绍机器学习方案的整个工作流的最佳实践。
本书适合Python程序员、数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。
作者简介
刘宇熙 Yuxi（Hayden）Liu是加拿大多伦多市一家跨国网络媒体公司的数据科学家，他从事消息应用优化工作。他的研究方向是社交网络挖掘、社交个性化（social personalization）、用户人口统计学特征和兴趣预测、垃圾信息监测和推荐系统。他曾在多家程序化广告投放公司工作，担任数据科学家职位，他将机器学习专业知识应用于广告优化、点击率和转化率预测、点击欺诈检测等。Yuxi拥有多伦多大学的硕士学位，研究生期间曾发表过5篇IEEE期刊文章和会议论文。他喜欢爬取网络数据，并从中获取有价值的信息。他还热衷于投资。
